手把手教你用Opus 5.5搭建全天候盈利交易策略框架

我会拆解使用Claude Opus 5.5全天候寻找、测试并运行盈利交易策略的确切框架，同时分享帮助过我个人的确切资源。

我们直接进入正题。

收藏本文——

如果你正在构建高频交易（HFT）机器人，请到agenkit.xyz给你的智能体接入AgenKit。它能把一个提示词转化为一整个量化工程团队，输出可用于生产的交易代码。从这里开始。

如果你现在已经在用Opus 5.5运行策略，请把你的配置私信发给我，我会亲自审核前20份。

Opus 5.5是你现在能用到的最好的研究分析师。
100万token上下文。每个回答都具备自适应思考。专为长期智能体工作和编码构建。每百万输入token价格4美元。

没错，它的知识截止到2026年6月。但这不重要。

没有哪个模型的记忆足够新到能用来交易。价格每秒都在变动。你不需要一个记住市场的模型。

你需要的是最好的推理者，给它投喂实时市场数据就行。

所以我把Opus 5.5接入了Minara AI。

他们是这么说的：
运营你自己的华尔街。实时数据、含真实手续费的回测实验室、全天候自动交易的自动驾驶仪，只有一条规则：模型给出推荐，你批准，然后盈利。

Opus 5.5是分析师。
Minara AI是交易场。
两者结合就是一个永不休息的研究部门。

本文是完整的分步搭建指南，包含我使用的所有提示词。不需要编程背景就能跟着做。

读完本文后，你会了解：
为什么Opus 5.5适合做交易研究，以及它单独不能做什么。
Minara AI从Copilot到Strategy Studio再到Autopilot的每个功能是怎么工作的。
从空账户到完成第一笔真实交易的确切配置流程。
如何寻找策略思路，排除会亏钱的策略。
如何让留下来的策略全天候运行，并且让整个研究部门每晚都变得更聪明。

我们开始吧。

## 第一部分：你将要搭建的研究部门

先从最终结果说起。

读完本文后，你会拥有这样一个持续运行的研究部门：
八个阶段，一个循环，永不停歇。
只需要两个组件来运行。

Opus 5.5是大脑。
它不直接接触资金。它负责阅读、推理、提出方案和复盘。

Minara AI是交易场。
它给大脑提供实时数据、回测实验室、带额度限制和执行功能的钱包。第二部分会完整介绍。

为什么Opus 5.5是合适的分析师？
研究是长周期工作。你需要阅读大量内容，在脑中记住很多信息，并且根据新证据改变想法。这正是Opus 5.5的设计目标。

评测数据也支持这一点。在Artificial Analysis的智能体知识工作评测中，它的Elo分是1822，比Fable 5.1高143分。它是第一个在LM Training的长周期任务上击败Vals AI发布基准的模型。运行成本比Opus 5低40%。

它单独不能做的事：
没有实时价格。
没有历史K线。
没有回测引擎。
没有钱包。没有执行。

这不是Opus 5.5的弱点。所有大模型都是这样。数据和执行必须来自交易场。

所以真正的问题不是选哪个模型，而是你在哪里运行它。

有一个研究团队刚好测试过这个问题。他们把同一个模型放在四种不同的智能体配置中运行。在同一个基准测试上，同一个模型的得分从10.5%到68.5%不等。

同一个大脑，不同的交易场，结果差了7倍。

这个团队就是Minara AI。本文用的就是他们的交易场。

## 第二部分：运营你自己的华尔街

Minara AI是一个支持加密货币、美国股票和大宗商品的研究、回测和交易平台。

一个账户就能搞定：Hyperliquid和Lighter上的永续合约，8条公链上的现货，代币化的美股比如AAPL、TSLA、NVDA，还有黄金和石油。

你会用到它的六个部分，下面分别介绍每个部分在研究部门中的作用：

### Harness（Opus 5.5的运行位置）
这是你把Opus 5.5连接到Minara AI的方式。

你会用到Harness的两个功能：
机构模式（Institution Mode）运行一个由研究智能体和风险智能体组成的圆桌会议。它只做研究，不能交易，相当于你的风险官。

安全栈会预览每一笔交易，限制仓位规模、风险敞口和滑点，还有紧急止损功能。模型给出方案，你批准。

### Strategy Studio：实验室
它用来构建两种策略。
你用自然语言描述思路，或者粘贴PineScript，Minara就会自动生成易读的代码并回测。加密货币用Binance数据，传统金融用FMP数据，回测会包含手续费和滑点。

你能得到回报率、最大回撤、夏普比率、盈利因子、胜率和每一笔交易的明细。

### Autopilot：执行部门
它全天候运行策略，开仓，给每一笔交易设置止盈止损，追踪止损，信号反转的时候就反向操作。
它可以运行Sharpe Guard 2.0（Minara自己的趋势策略），或者任何你从Strategy Studio部署的策略。
它需要付费计划，账户至少要有500美元可用资金，并且需要跨保证金。如果触发可选的回撤限制，它会平掉所有持仓。

Minara永远不会成为你的交易对手。所有交易都在真实场所成交。

### Workflow、Marketplace、Skills
每个一句话介绍：
Workflow：用一句话描述一个自动化，它就会生成一个管线，根据价格、钱包或日程触发，然后通过Telegram给你发提醒。
Marketplace：发布一个通过筛选的策略，设置利润分成，创作者可以从订阅者的已实现利润中获得分成。
Skills：官方工具包，把Minara接入Claude Code，而AgenKit也在Claude Code里运行。第三部分会做配置。

这就是整个交易场。研究部门的每个阶段都有对应的位置。

## 第三部分：八步完成配置

步骤1到6帮你开始交易，步骤7和8给你添加后续需要用到的工具。

步骤1. 创建账户。
在minara.ai用谷歌或邮箱注册。默认会给你开通一个Hyperliquid的永续合约钱包和一个Lighter的永续合约钱包。

步骤2. 给钱包充值。
只接收Arbitrum上的USDC，其他链的USDC不会到账。最低存款10 USDC。如果你还没有加密货币，可以点击存款，通过MoonPay或Banxa Pay用银行卡购买。

后续要使用Autopilot，你需要付费计划，并且账户至少有500美元可用资金。

步骤3. 安装Harness。
从minara.ai下载适配macOS（Apple Silicon）、Windows或Linux的版本，用你的Minara账户登录。

步骤4. 设置Opus 5.5为大脑。
进入Agent → Model → 选择Claude Opus 5.5。把推理设置为高。

步骤5. 检查连接是否正常。
如果数据和应用显示的一致，并且每个数据都有来源，说明你已经连接成功。

步骤6. 完成你的第一笔真实交易。
智能体会先展示资产、数量和路径。
只有匹配的时候才批准。
完成一笔真实成交后，整个从大脑到交易场所的管线就通了。

步骤7. 把交易场接入Claude Code。
打开Claude Code，输入/model，选择Opus 5.5然后发送。
然后输入“Login to Minara”，在浏览器里完成认证。

步骤8. 添加AgenKit。
去agenkit.xyz获取你的密钥（需要Node 18+），然后在同一个项目里操作：

分工很简单：Opus 5.5做思考，Minara做交易，AgenKit构建Minara没有提供的工具，比如你的筛选检查器和夜间报告。
我们会在步骤14和步骤20用到它。

## 第四部分：找到策略，然后淘汰坏策略

现在研究部门开始做真正的工作。找到思路是一半，淘汰坏策略是另一半。

步骤9. 扫描——还不需要策略。
永远不要先让分析师给你一个策略，先让它给你看市场。

步骤10. 确认你实际能交易哪些标的。
在同一次会话里，通过扫描选出来的行业ETF可能根本无法交易，思路就得调整为一篮子公司。你要在第3分钟就知道这个情况，而不是做了一天研究之后才发现。

步骤11. 提出五个假设，每个假设都对应一个亏钱的对手方。
“对手方是谁”是最重要的过滤器。被迫卖家、支付资金费用的杠杆多头、必须定期再平衡的基金。如果Opus说不出对手方是谁，那就没有优势。

步骤12. 在Strategy Studio构建策略。
选最好的那个假设，用自然语言描述出来。
对于单资产时间序列策略：
对于截面排名思路，比如在市值前30的币种上：
Minara会写代码然后运行回测。
想让Opus自己写逻辑吗？让它写PineScript然后用代码导入。记住一条规则：每一个突破级别只能用已经完成的K线计算，比如ta.highest(high, 20)[1]。没有这个[1]，回测就相当于看到未来了。

步骤13. 接受五道考验。
只要一道没通过，就打回重新研究。

第一道考验：诚实的参数设置。
手续费设置成你实际交易场所的费率，滑点设置得比默认值高一点，用最长的回测窗口，给长回顾周期添加热身K线。

手续费对结果的影响比大多数人认为的大得多。Minara重新构建了236个公开的TradingView策略，用真实的Hyperliquid手续费重新回测。零手续费的时候有14个策略是盈利的，加了手续费之后就亏钱了。这14个策略每年都交易超过200次。每年交易少于25次的策略几乎保留了所有收益。

最终，大约每7个策略里只有1个既能复现回测结果，又能在扣除手续费后赚钱。

第二道考验：读对数据。
不要先看总回报。
要结合胜率和盈利因子一起看。在研究中，大多数存活下来的策略胜率只有35%到50%，少数几个大赢家覆盖了很多小亏损。
分别检查多头和空头的表现。对于多空组合，beta应该接近零。

第三道考验：风险官审核。
构建策略的人永远不要自己批准。打开机构模式，给风险席位下达这个指令：
然后在Strategy Studio里选出表现最差的交易，让AI分析为什么失败。

第四道考验：压力测试。
真正的优势是一个平台，不是一个尖峰。
给每个参数微调一下，如果结果直接崩盘，说明这个参数只是碰运气选到的。
把手续费和滑点加倍，如果策略直接不行了，说明它本来就没有足够空间容纳真实成交。
单独测试最近一年的表现。在Minara的演示中，一个3年内都大幅跑赢基准的版本，在最近一年是亏损的，智能体在任何部署之前就标记出来了。

第五道考验：模拟盘forward测试。
运行几周模拟盘，和回测结果对比。如果模拟盘表现崩盘，说明回测有问题，你没花钱就发现了。

Minara自己的学院说得很清楚：不断调参直到回测看起来完美就是过拟合。

这是我用的评分卡，你可以根据自己的风险调整。

步骤14. 让评分卡自动执行。
你凌晨2点能记住的规则也会被忽略，写进代码的规则不会。

## 第五部分：全天候运行，每晚优化

存活下来的策略慢慢上线。

步骤15. 部署到Autopilot。
从Strategy Studio部署策略，它会出现在Autopilot列表里官方策略的旁边。
然后：
打开Autopilot，在“我的”里面选中你的策略。
确认交易范围：只包含它应该交易的资产。
先平掉所有孤立保证金和超出范围的持仓，Autopilot需要跨保证金。
设置初始权益回撤限制，如果触发，Autopilot会平掉所有持仓、取消订单、停止运行，然后给你发邮件。
确认然后启动。
一开始只用一个策略、一个资产、小仓位，只有几周干净的实盘结果之后再慢慢加仓。

步骤16. 和基准对比。
把你的策略和Minara自己的趋势策略Sharpe Guard 2.0放在一起运行。
如果经风险调整后你的策略还跑不赢这个保守的、适配周期的趋势跟踪策略，那就先运行Sharpe Guard，继续研究你的策略。

步骤17. 设置监控器。
Autopilot负责交易，Workflow负责监控。第一天就要搭建三个监控器：

步骤18. 每晚复盘。
这就是让机器人变成会学习的研究部门的方法。每天晚上在Harness里运行一次复盘：

步骤19. 每次修改都重新考验。
只是提出方案不算修改。
在Strategy Studio编辑策略，这会生成一个新版本，实盘运行的版本不受影响。重新让它接受五道考验。只有通过了，才停止旧版本，部署新版本。

步骤20. 自动化复盘。

步骤21. 发布存活下来的策略。
通过了所有考验、有实盘记录的策略就是资产。把它发布到Marketplace，设置你的利润分成，让它帮你赚钱，你继续研究下一个策略。

诚实的说明。截图保存：

这个研究部门能做什么：
这个研究部门不能做什么：

## 结语

我一开始就有一个问题：Opus 5.5能找到通过真实回测的策略吗？
单独靠它自己，不行。它只是空房间里的一个分析师。
给它一个交易场，它就变成了一个研究部门。Minara AI就是那个交易场：实时数据、真实实验室、带额度限制的钱包、永不休息的自动驾驶仪。AgenKit就是那个工程团队，构建交易场没有提供的任何工具。

能盈利的研究部门不会去问Opus该买什么。
它先扫描市场，每个思路都要求有对应的对手方，每七个策略淘汰六个，存活下来的先跑模拟盘，小仓位上线，每晚复盘每一笔成交。

在我之前的文章里，我拆解过GPT-6 Astra上的数学交易模型、个人对冲基金架构，还有和Jev一起做的毫秒决策层。本文补充了所有这些架构都需要的一块：首先帮你找到策略的研究部门。

所以现在问题来了：
你是还在问聊天bot该买什么，还是已经在运营一个淘汰六个思路、让第七个全天候交易的研究部门？
没有错误答案，但答案能说明很多问题。